在今年的世界人工智能大会（WAIC）现场，学习正经历一场前所未有的变革。不再局限于搜题、批改和生成答案，而是演变为一种可交互、可追问、可纠错的思维过程。首次参展的AI原生企业“与爱为舞”，直接将一座开放式“AI学习实验室”搬进世博展览馆H2-E505展位，让观众亲手体验：学习这件事，确实换了一种全新的打开方式。

现场体验：三大核心场景，重塑学习方式

在“爱学AI学习智能体”体验区，你可以亲身感受三种截然不同的学习模式：

1. 爱学拍讲智能体：从“搜题即答案”到“搜题即思路”

拍照搜题是许多学生熟悉的工具，但爱学拍讲智能体彻底颠覆了这一流程。它不再直接给出答案，而是通过追问引导你一步步推理。例如，当你拍摄一道初中几何题时，智能体会先提问：“∠1 + ∠2 = 180°，同时∠1和∠DGE也是邻补角，也能凑成180°，那∠2和∠DGE为什么相等？”如果你回答含糊，它会继续追问：“这个依据叫什么？”直到你说出“同角的补角相等”，它才继续推进到下一步。

整个过程中，每隔一两分钟，每到一个推理节点，智能体都会主动与你互动：答对继续，答错则降阶给出提示，或带你回顾相关知识点。讲题，变成了一个交互、追问、纠错的思维过程。

2. AI英语写作课：在“化妆”中学会润色句子

英语写作课由“AI心语”老师主讲。她以一句最朴素的句子“A bird sat in the tree.”为起点，带着你一步步“化妆”：先在tree前加形容词（如green），再在动词后加副词，接着加介词短语、非谓语短语，最后加原因从句。十几分钟后，一个低配句子变成了完整、富有画面感的表达。

但最重要的是，AI心语没有自说自话。她会不断引导你填空、补充短语、判断词性，甚至进行PK小游戏。如果你故意用sadly描写鸟儿状态，她不会直接判错，而是先肯定你的创意，再提醒题目希望使用更阳光的词汇，随后把话题拉回“副词修饰动词”这个知识点。如果你说“不记得刚才讲什么了”，她会停下来重复或解释，再继续课堂节奏。

动态板书也是一大亮点：学生填出的词会出现在画面上，错误答案会被划掉，关键位置会被标注，线索提示适时弹出。板书跟着学生反馈变化，教学思路被实时呈现出来。

3. 与孔子对话：穿越时空的文化人格Agent

在大屏上，一座古色古香的书斋中，长髯垂胸的孔子数字人站立中央。他一开口便是“今逢后世二零二六年……”，当你问及未来学习会怎样，他引用“有教无类，因材施教”，对AI教育表达深刻见解。措辞、语气、眼神、表情都恰到好处，微微颔首、抱拳作揖的小动作也很自然。

技术核心：自研大模型，担当教学决策中枢

这些体验背后，最值得关注的是同一个变化：AI开始知道学生给出反馈之后，下一步该怎么走。这正是AI教育最难的地方——过去很多产品解决的是有没有答案、讲解够不够完整，但真实学习里更关键的问题发生在答案之外：学生为什么卡住？这个回答算不算真懂？该继续追问还是换一种提示？该把知识点拆细，还是让学生自己再试一次？

爱学大模型在整套学习Agent里的位置，正是承担“教学决策中枢”的角色：先识别学生状态，再判断下一步策略，最后把策略落到语言、板书、互动节奏和课堂流程里。

例如，拍讲智能体没有急着“剧透”答案，而是先追问依据；英语写作课面对“sadly”的用法，先接住再纠正。这些看似简单的反应，背后是教学逻辑的变化——从“结果导向”变成“过程导向”。

动态板书也不只是视觉效果。过去很多在线课堂的板书是预制PPT，而这次板书开始跟着学生反馈变化。模型输出的不只是“说什么”，还包括画什么、标哪里、什么时候擦掉、什么时候提示。

为了做到这些，爱学大模型学习了大量真实课堂里的教学因果链，并搭建了一套双重评测体系：一边盯指令遵循，确保不透题、不跑偏；一边用更强模型和教研标准评估回答质量。爱学大模型的指令遵循稳定在99%以上，“追问依据叫什么”、“先肯定sadly修饰鸟儿的创意，再纠正语义方向”背后都是这套机制的功劳。对错判断变得更准，线上badcase率也大幅下降。

更关键的是，爱学设计了数据飞轮实现自我进化：

• 线下小飞轮（安全试错）：在上线前，让模型在基于合成数据的虚拟课堂里反复“翻车”、反复修正，完成冷启动和基础策略迭代。
• 线上大飞轮（实战进化）：捕捉真实学生的每一次停顿、沉默、打断和错误，将这些行为转化为强化学习的“反馈信号”，转化为新的教学技能（Skill），通过沙箱验证后再反哺给线上模型。

至此，学习Agent完成闭环：懂学生，做决策，执行教学动作，再从真实反馈里长出新的教学能力。

多模态身体：大脑有了，身体也得跟上

学习智能体光有一颗“大脑”还不够，它要真正进入学习现场，还得能听、能说、能看、能呈现——这就是多模态身体的价值。

数字人：从“棚拍工程”到消费级GPU运行

爱学押注3D高斯路线，攻克了两块硬骨头：

• 更容易做出来：爱学提出的AnyA vatar算法，瞄准的是在相机未经专业标定、拍摄条件不受严格控制的环境下，快速构建高保真3D高斯头部数字人。传统方案高度依赖精确的相机内外参数，而AnyA vatar让系统具备“自动校正相机”的能力，将高保真数字人建模从专业摄影棚走向真实场景下的自动化生产（该技术已入选ACM Multimedia 2026）。
• 长时间互动不出戏：爱学提出的MoGaFace算法，解决了人脸几何错位、纹理模糊、跨视角表情不一致等问题，让老师转头、讲解、表情变化时，脸部结构更稳，皮肤纹理更清楚。更重要的是，导师资产前期单独建模后可以反复驱动调用，推理和渲染成本压下来后，消费级GPU就能流畅运行。

声纹降噪：AI进入学习现场的第一道门槛是“听”

展会现场很吵，但爱学“AI声纹降噪”体验区展示了在复杂环境里过滤非目标人声和背景噪音，只保留干净清晰目标人声的能力。与“先降噪、再分离、再识别”的多模块拼接不同，爱学把“这是谁的声音”与“降噪增强”合到一起训练的端到端模型，实测目标人声语音召回率97%、精准率98%，信噪比提升超过15dB，降噪深度达到40dB。声纹注册门槛也已从20秒降到约10秒。这对于教育非常关键：如果多人声同时进入教学Agent，学习就无法正常进行；AI一旦听错，后面的追问、纠错、评价全都会跑偏。

多模态生成：让知识从课本里走出来

数字“孔子”就是典型例子。爱学在静态上参考史料和经典画像，重塑五官、身型比例与春秋背景；在动态上塑造客观、沉稳、庄重又带有豁达感的神态；更关键的是，结合典籍中的孔子言行，用爱学大模型为他构建一套稳定的精神内核。用户面对的不是一个古风对口型头像，而是一个可以持续追问、持续对话的文化人格Agent。

名画复原也是类似逻辑：爱学用自研AI短视频生成框架，把画作拆成故事线、场景、镜头和交互节点，让《清明上河图》、《千里江山图》变成可以第一视角走入的历史现场。

工程底座：从“能演示”到“能交付”的钢筋骨架

这一套复杂系统，当数万人同时在线时，还能不能跑得稳、接得住、答得快？这一步决定它到底是展台Demo，还是能长期交付的产品。

死磕首句延迟

爱学在大语言模型侧做了请求调度、安全审核和推理集群优化，结合KV Cache、PrefixCaching等机制提升吞吐，面向教学场景里的结构化输出专门做了解码加速。目的很直接：让AI的第一句话尽快出来——课堂里，首句一慢，学生的注意力就掉了。语音侧也被拆开重做，将语音大模型里的LLM模块和Token2Wa v模块分离部署，最终语音大模型整体性能提升近10倍。即便叠加ASR、语言模型、语音模型、数字人推理和音视频推流，端到端延迟仍能控制在约1.5秒，这就是WAIC现场“丝滑感”的来源。

可重入设计：恢复教学状态

真实学习场景里，学生随时可能退出、回来、打断、跳步、答错。爱学做了可重入设计，能恢复学生当前所处的知识点、教学目标、互动历史和下一步策略。中途走开再回来，智能体知道刚才讲到了哪，也知道下一步该怎么接——学习Agent的连续性，靠的不是记住几句聊天记录，而是记住一整段教学状态。

安全上线

学习Agent会不断更新模型、策略和skill，但教育场景不能无约束试错。新策略上线前，必须先经过灰度、沙箱和安全校验，否则一次错误提示、一次提前透题、一次不合适的反馈，都可能直接影响学生体验。

总结：AI教育的范式变化

从给答案到会教人，中间差了一个自研“大脑”+多模态身体+工程底座。爱学AI学习智能体将教学拆解成一连串可感知、可判断、可执行的动作，让AI教育从“能演示”走向“能交付”。7月17日至20日，世界人工智能大会世博展览馆H2-E505，欢迎亲自走进“与爱为舞爱学AI学习实验室”，去见证，去感知。